抗噪连续语音识别的研究

《抗噪连续语音识别的研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、电子科技大学硕士学位论文抗噪连续语音识别的研究姓名：林劼申请学位级别：硕士专业：计算机应用技术指导教师：刘玓20060104摘要摘要目前的连续语音识别系统对纯净语音已能达到非常高的识别精度，但是无处不在的背景噪声带来了训练模型和测试语音之间的失配，这种失配使得连续语音识别系统的性能在噪声环境中急剧下降。因此抗噪声问题是语音识别的关键性问题。本论文首先分析并实现了一个以Ｍｅｌ频率倒谱系数（ＭＦＣＣ）作为语音特征，基于隐马尔可夫模型（ＨＭＭ），针对连续数字串识别任务的基本连续语音识别系统。然后基于此基本连

2、续语音识别系统进行了抗噪声技术的研究。目前的抗噪声技术主要分为四类：语音增强法、提取抗噪语音特征法、噪声补偿法、丢特征法。本论文分别对其中的语音增强法和基于丢特征法的条件概率联合模型方法进行了研究。其中通过对传统Ｗｉｅｎｅｒ滤波算法和传统ＡＮＣ算法的缺点进行分析，提出了改进型重复Ｗｉｅｎｅｒ滤波算法和改进型ＣＴＲＡＮＣ算法。实验表明我们提出的这两种方法相比传统方法有更好的噪声抑制效果。再者我们通过对条件概率联合模型的优缺点进行研究后，我们提出了后验概率联合模型ＰＵＭ，提高了对时变噪声的消噪效果。最终本

3、文提出了语音增强结合ＰＵＭ模型的一种新的语音抗噪方法，弗且基于这种新方法我们从高识别率和低成本较高识别率两方面出发，构建了改进型ＣＴＲＡＮＣ结合ＰＵＭ新模型和改进型重复Ｗｉｅｎｅｒ滤波结合ＰＵＭ新模型。这两个新模型分别用改进型ＣＴＲＡＮＣ和改进型重复Ｗｉｅｎｅｒ滤波语音增强方法对含嗓语音中有先验知识的噪声进行滤除，较有效的消除了宽带噪声。从而为ＰＵＭ模型提供了只有局部频带被噪声污染的语音信号，弥补了ＰＵＭ模型不适用于语音信号全频带被噪声污染的情况。同时这两个新模型利用ＰＵＭ模型作为语音增强的后处理，有

4、效的消除了语音增强造成得语音失真，也正弥补了语音增强方法的缺点。实验结果表明，这两个新模型相比其它模型在各种不同背景噪声情况下有更好的语音识别率，其中改进型重复Ｗｉｅｎｅｒ滤波结合ＰＵＭ新模型提高近１５％的字语音识别率，改进型ＣＴＲＡＮＣ结合ＰＵＭ新模型提高近３０％的字语音识别率。关键词：连续语音识别，抗噪语音识别，后验概率联合模型，语音增强，ＨＭＭ，噪声摘要ｒｅｍｏｖｃｓｔｈｅｎｏｉｓｅｃｏｍｐｏｎｅｎｔｓｗｉｔｈｋｎｏｗｎｏｒｔｒａｉｎａｂｌｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ｃｏｎｓｅｑｕｅｎｔｌ

5、ｙ，ｉｔｍａｙｂｅａｓｓｕｍｅｄｔｈａｔｉｎｔｈｅｏｕｔｐｕｔｓｉｇｎａｌｆｒｏｍｔｈｅｅｎｈａｎｃｅｍｅｎｔｓｔａｇｅｔｈｅｒｅａｒｅｏｎｌｙｓｏｍｅｆｒｅｑｕｅｎｃｙｂａｎｄｓｒｅｍａｉｎｉｎｇｃｏｒｒｕｐｔｅｄ，ｄｕｅｔｏｔｈｅｌａｃｋｏｆｆｕｌｌｋｎｏｗｌｅｄｇｅｏｆｔｈｅｎｏｉｓｅ．Ａｓｔｈｅｓｅｃｏｎｄｓｔａｇｅ，ｔｈｅＰＵＭｉｓｕｓｅｄｔｏｔａｃｋｌｅｔｈｅｒｅｍａｉｎｉｎｇｕｎｋｎｏｗｎｎａｎ－ｏｗ－ｂａｎｄｃｏｒｒｕｐｔｉｏｎｂｙｆｏｃｕｓｉｎｇｔｈｅｒｅｃｏｇｎｉｔｉｏｎｏｎｌｙｏ

6、ｎｔｈｅｃｌｅａｎｆｒｅｑｕｅｎｃｙ。ｂａｎｄｉｎｆｏｒｍａｔｉｏｎｗｉｔｈｉｎｔｈｅｅｎｈａｎｃｅｄｓｉｇｎａｌ．Ａｎｄｗｅｃｏｎｓｔｒｕｃｔｅｄｔｗｏｎｅｗｍｏｄｅｌｓ：１）ＩｍｐｒｏｖｅｄＩｔｅｒａｔｉｏｎＷｉｅｎｅｒｆｉｌｔｅｒ／ＰＵＭｎｅｗｍｏｄｅｌ，２）ＩｍｐｒｏｖｅｄＣＴＲＡＮＣＴＰＵＭｎｅｗｍｏｄｅｌ．ＴｈｅＴＩＤＩＧＩＴＳｄａｔａｂａｓｅｗａｓｕｓｅｄｔｏｅｖａｌｕａｔｅｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｓａｎｄｅｎｃｏｕｒａｇｉｎｇｒｅｓｕｌｔｓｗｅＦｅｏｂｔａｉｎｅｄ．Ｔｈｅｒｅ

7、ｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｎｅｗｍｅｔｈｏｄｓａｌｅａｌｌｅｆｆｅｃｔｉｖｅｓｃｈｅｍｅｒｅｓｕｌｔｉｎｇｉｎａ２５％ｒｅｄｕｃｔｉｏｎｉｎｗｏｒｄｓｅｒｒｏｒｒａｔｅｏＶｅｒｃｏｎｖｅｎｔｉｏｎａｌｍｅｔｈｏｄｓｉｎａｗｉｄｅｒａｎｇｅｏｆｅｎｖｉｒｏｎｍｅｎｔｓ．Ｋｅｙｗｏｒｄｓ：ｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎ，ｒｏｂｕｓｔｎｅｓｓ，ｎｏｉｓｅ，ＨＭＭ，ｓｐｅｅｃｈｅｎｈａｎｃｅｍｅｎｔ，ＰＵＭ主要符ｑ表ＦＦＴＨＭＭＤＨＭＭＣＤＨＭＭＧＭＭｓＡＮＮＶＱＰＭＣＭＵ盖ＷＰＭＪＡＳＭＡＮＣ（１

8、ｍＡＮＣＶ气ＤＤＣＴＰＵＭＳＴＳＡＭＦＣＣＳＮＲＳＣＲＬＭＳ主要符号表Ｖ１１．快速傅立叶变换．隐式马尔可夫模型．离散型ＨＭＭ一连续型ＨＭＭ．高斯混合模型．人工神经网络一矢量量化一并行模型合并．晟大似然线性回归一加权投影．雅克比调整一统计匹配一自适应噪声消除器．抗干扰自适应噪声消除器．语音端点检测．离散余弦变换．后验概率联合模型．短时幅度谱．Ｍｅｌ频率倒谱系数．信噪比．信号干扰比．最小均方独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工’作